用ML辅助的2D材料的计算选用于光催化水分的2D材料
Yatong Wang1,2, Murat Cihan Sorkun1, Geert Brocks2,3
1DIFFER - Dutch Institute for Fundamental Energy Research, De Zaale 20, Eindhoven 5612 AJ, The Netherlands.
The journal of physical chemistry letters
|May 1, 2024
概括
研究人员使用机器学习和先进计算开发了一种新的漏斗选方法,以发现用于太阳能水分裂的新型二维 (2D) 材料. 这种方法有效地从庞大的数字图书馆中识别出有希望的二维光催化剂.
科学领域:
- 材料科学 材料科学 材料科学
- 物理化学 物理化学
- 可再生能源可再生能源是可再生能源.
背景情况:
- 先进的二维 (2D) 材料对于高效的太阳能水分裂至关重要.
- 目前对二维材料的发现方法是分散的,限制了化学和电子调.
- 需要一种系统的方法来加速发现用于光催化物的新二维材料.
研究的目的:
- 开发和实施一种高通量选方法,用于识别用于太阳能水分化的二维材料.
- 利用2D材料和计算选技术的数字图书馆.
- 为了加速发现具有可取性质的新型二维光催化剂.
主要方法:
- 采用了漏斗选方法,从机器学习 (ML) 预测开始.
- 随后的选涉及到第一原则计算,包括密度函数理论 (DFT),混合DFT和GW方法.
- V2DB 数字图书馆作为2D材料候选人的初始资源.
主要成果:
- 选方法成功地缩小了二维材料的大量化学空间.
- 确定了11种有前途的二维材料作为水分裂的潜在光催化剂.
- 这项研究表明了加速材料发现的有效策略.
结论:
- 开发的漏斗选方法是加速2D材料发现的有效模型.
- 鉴定到的2D材料显示了推进太阳能水分技术的巨大潜力.
- 这种方法方便微调化学成分和电子特征,以满足特定应用的需求.
更多相关视频
13:56Probe Type II Band Alignment in One-Dimensional Van Der Waals Heterostructures Using First-Principles Calculations
Published on: October 12, 2019
7.6K
08:30A Complete Method for Evaluating the Performance of Photocatalysts for the Degradation of Antibiotics in Environmental Remediation
Published on: October 6, 2022
2.2K
